关键在于日志取舍而非压榨：通过配置规则实现精准留痕，关闭冗余元数据、禁用位置信息与全栈跟踪、采用结构化异步批量输出、分级日志策略及敏感字段自动脱敏。
关键不在“压榨”，而在“取舍”——用明确的配置规则把日志从“全量记录”变成“精准留痕”，既不丢关键线索，也不拖慢系统。
关掉冗余元数据，省下IO和CPU
生产环境里最常被忽略的性能开销，来自日志里那些看似有用、实则低价值的附加信息。比如文件路径、行号、调用栈深度等，在排查时极少被人工查阅，却在每次写入时触发字符串拼接、堆栈遍历和磁盘刷写。
- 启用 hideLogPositionForProduction: true（如 tslog）或等效配置（如 log4j2 的
%highlight{%d{HH:mm:ss.SSS} [%t] %-5level %logger{36} - %msg%n}中移除%class:%line），自动屏蔽位置信息 - 禁用默认的 full stack trace 输出，仅在 error 级别且
error.cause非空时才展开根因栈 - 避免在日志语句中拼接 JSON 对象或大数组，改用结构化字段（如
logger.info("user login", { userId, ip, duration })）让序列化由日志库异步完成
按场景分级输出，让日志“该重时重、该轻时轻”
不是所有请求都需要同等粒度的日志。高频接口（如健康检查、静态资源）可只记 warn/error；核心链路（如支付、下单）则保留 trace-id、耗时、关键参数快照。
- 用 MDC（Mapped Diagnostic Context）注入统一 traceId、userId、reqId，替代每条日志手动拼接
- 对非核心路径（如 /health、/metrics）设置独立 logger 实例，并将 minLevel 强制设为 warn 或更高
- 在网关或拦截器层识别“调试流量”（如带
X-Debug: true头），临时提升该请求链路的日志级别，不扰动全局配置
结构化 + 异步 + 批量，绕过同步写入瓶颈
同步刷盘是高并发下响应延迟的隐形推手。结构化日志本身不提速，但它是后续异步化、批量压缩、远程传输的前提。
- 强制使用 JSON 格式输出（而非自由文本），确保字段名固定、值类型可控，便于后续解析与索引
- 启用日志框架的异步 appender（如 logback 的
AsyncAppender，或 pino 的pino.destination()流式写入） - 设置合理的 buffer size 和 flush interval（例如 8KB / 100ms），平衡延迟与吞吐，避免小包频繁刷盘
敏感字段自动脱敏，避免合规反噬性能
明文记录手机号、token、密码等，不仅违规，还会因正则扫描、加解密、审计拦截等额外处理拖慢主线程。
- 在日志框架层配置字段级脱敏规则（如 log4j2 的
RegexLayout+ 自定义 Pattern，或使用MaskingPatternLayout） - 禁止在日志中直接打印
request.body或exception.toString()，改用白名单字段提取 - 对已知敏感键名（如 "password"、"auth_token"、"id_card"）做统一拦截，值统一替换为
[REDACTED]
